A Procedure for Making Optimal Selection of Input Variables for Multivariate Environmental Classifications

: Multivariate classifications of environmental factors are used as frameworks for conservation management. Although classification performance is likely to be sensitive to choice of input variables, these choices have been subjective in most previous studies. We used the Mantel test on a limited set of sites for which biological data were available to iteratively seek a definition of environmental space (i.e., intersite distances calculated with a set of appropriately transformed and weighted environmental variables) that had maximal correlation with the same sites described in a biological space. The procedure was used to select input variables for a classification of New Zealand's rivers that discriminates variation in fish communities for biodiversity management. The classification performed (i.e., discriminated biological variation) better than classifications with subjectively chosen variables. The inherently linear measures of environmental distance that underlie multivariate environmental classifications mean that they will perform best if they are defined based on variables for which there is a linear variation in the biological community throughout the entire range of the variable. Classification performance will therefore be improved when variables that have nonlinear relationships with biological variation are transformed to make their relationship with biological turnover more linear and when the contributions of environmental factors that have particularly strong relationships with biological variation are increased by weighting. Our results indicate that attention to the manner in which environmental space is defined improves the efficacy of multivariate classification and other techniques in which the environment is used as a surrogate for biological variation. Resumen: Las clasificaciones ambientales multivariadas son utilizadas como marcos de referencia para la gestion de la conservacion. Aunque el funcionamiento de la clasificacion posiblemente es sensible a la seleccion de variables de entrada, estas selecciones han sido subjetivas en la mayoria de los estudios previos. Utilizamos la prueba de Mantel en un conjunto limitado de sitios para los que habia datos biologicos disponibles para buscar una definicion de espacio ambiental (i.e., distancias intersitio calculadas con un conjunto de variables ambientales adecuadamente transformadas) que tuviera la maxima correlacion con los mismos sitios descritos en un espacio biologico. El procedimiento fue utilizado para seleccionar variables de entrada para una clasificacion de rios de Nueva Zelanda que discrimina la variacion en las comunidades de peces para la gestion de biodiversidad. La clasificacion funciono (i.e., discrimino la variacion biologica) mejor que clasificaciones con variables seleccionadas subjetivamente. Las medidas inherentemente lineales de la distancia ambiental que subyacen en las clasificaciones ambientales multivariadas significan que funcionaran mejor si son definidas con base en variables que tienen variacion lineal en la comunidad biologica en todo el rango de la variable. Por lo tanto, el funcionamiento de la clasificacion sera mejor cuando las variables que no tienen relaciones lineales con la variacion biologica sean transformadas para que su relacion con el cambio biologico sea mas lineal y cuando la contribucion de los factores ambientales que tienen relaciones particularmente estrechas con la variacion biologica se incrementa mediante ponderacion. Nuestros resultados indican que la atencion a la forma en que se define el espacio ambiental mejora la eficacia de la clasificacion multivariada y otras tecnicas que utilizan al ambiente como un sustituto de la variacion biologica.